![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
caffe
wang2008start
这个作者很懒,什么都没留下…
展开
-
Caffe CentOS64位 GPU安装
本文假设普通的yum,pip,git等都已安装好。 1. sudo yum install protobuf-devel leveldb-devel snappy-devel opencv-devel boost-devel hdf5-develsudo yum install openblas-devel.x86_64 gcc-c++.x86_64 numpy.x86_64 scipy.x86原创 2017-05-12 17:32:22 · 698 阅读 · 0 评论 -
caffe学习
caffe整体架构说明纯粹的C++/CUDA架构,支持命令行,Python和MATLAB接口,可在CPU和GPU间无缝切换;模型的定义与最优化设置以及预训练的权重等都是以文本形式给出, Caffe层定义由层属性和层参数组成 Blob 是用以存储数据的4维数组 对于数据:Number*Channel*height*width 对于卷积权重:Output*Input*Height*width原创 2017-05-27 15:57:52 · 448 阅读 · 0 评论 -
nvidia-smi GPU驱动安装后使用率很高
新安装了nvidia tesla M40的驱动,完全按照官网文章安装,安装完成后使用nvidia-smi,发现gpu使用率很高,网上找了资料,重启后也不行,还是很高,最后终于找到了解决方法:需要把驱动模式设置为常驻内存才可以,设置命令:nvidia-smi -pm 1设置完后再用nvidia-smi看下,本人实验已正常,happy~~~原创 2017-08-02 17:53:27 · 4263 阅读 · 0 评论 -
caffe图像可视化(二)——反卷积可视化
caffe在进行图像训练时,对特征或中间结果进行可视化,可以帮助更好的对训练过程和图像的理解。 caffe中的可视化,另一种是把网络中间的某层,做卷积的相反动作,用于把某层还原成原来的图像。卷积和反卷积时,使用的参数是共享的,都是卷积时学习到的参数。如下:#加载网络和逆向网络net = caffe.Net('deploy.prototxt', 'model.caf原创 2017-09-22 16:09:43 · 2079 阅读 · 4 评论 -
caffe图像可视化(一)——featuremap可视化
caffe在进行图像训练时,对特征或中间结果进行可视化,可以帮助更好的对训练过程和图像的理解。 caffe中的可视化,最简单的一种是,直接把featruemap或者中间result用图像表示出来,如下,先定义一个图像表示函数,对于数组维数不足的,padding补足。def vis_square(data, padsize=1, padval=0): data -= data.min()原创 2017-09-22 15:32:58 · 2911 阅读 · 0 评论 -
斯坦福大学CS231课程笔记2
CNN CV TasksClassificationClassification + LocalizationClassification:C classes Input:Image Output: Class label Evaluation metric: Accuracy Localization Input:Image output:Box in the image(x,y,w原创 2017-10-14 00:28:46 · 950 阅读 · 0 评论